심의형아키텍처 (Deliberative Architecture)
쉽게 풀면
먼저 주변 상황을 파악하고(인식), 어떻게 할지 충분히 생각한 다음(계획), 그에 따라 행동하는 신중한 방식입니다. 예를 들어 청소로봇이 방 전체 지도를 보고 가장 효율적인 청소 순서를 미리 계산한 뒤 그 순서대로 움직이는 방식이 이에 해당합니다. 다시 말해 몸을 움직이기 전에 머릿속으로 전체 그림을 먼저 그려보는 방식이라 할 수 있습니다.
왜 중요한가
세계 모델을 만들고 그 위에서 계획한 뒤 실행하는 고전적 로봇 소프트웨어 구조로, 임무 계획과 경로 계획처럼 미리 생각해야 하는 문제를 다루는 상위 계층의 설계 원형입니다. 감지-계획-행동 패러다임의 다른 이름이며, 로봇 아키텍처 논의의 출발점입니다.
논문에서는 이렇게 쓰입니다
환경을 모두 파악하고 최선의 계획을 먼저 세운 뒤에야 실제 행동을 시작한다는 뜻으로, 반응형 제어와는 반대되는 접근입니다.
이 구조는 복잡한 목표 지향적 과제에 적합하지만, 계획 수립에 시간이 걸려 실시간 반응이 중요한 환경에서는 반응형 구조와 결합하여 사용되는 경우가 많습니다.
조금 더 깊게 보면
계획에 시간이 걸려 환경 변화에 즉각 반응하지 못한다는 비판이 종속화 아키텍처 같은 반응형 접근을 낳았고, 지금은 둘을 층으로 결합한 하이브리드 아키텍처가 표준입니다. 심의형이 낡은 방식이라는 인상과 달리, 임무 수준의 의사결정은 여전히 이 방식으로 이루어지며 반응형은 하위 계층에서 이를 보완할 뿐입니다. 계획 수립에 쓰이는 대표적인 방법으로는 상태 공간 탐색 기반 고전 계획(STRIPS류)과, 목표를 하위 작업으로 분해하는 계층적 작업망(HTN) 계획이 있으며, 후자는 사람이 정의한 작업 분해 지식을 활용해 탐색 공간을 크게 줄입니다.
주의할 점
계획 수립에 시간이 걸려 빠르게 변화하는 동적 환경에서는 반응이 느려질 수 있습니다.
세계 모델이 실제 환경과 어긋나면(예: 지도에 없는 장애물) 아무리 정교한 계획이라도 실행 단계에서 실패하므로, 계획의 질은 결국 인식 단계의 정확도에 크게 의존합니다.